492247029901

32004190460

نشریه حفاظت منابع آب و خاك، سال ششم، شماره چهارم، تابستان 1396

توسعه و ترکیب مدل هاي زمین آمار و محاسبات نرم در برآورد توزیع مکانی سطح آب زیرزمینی

سامان معروف پور*1، احمد فاخري فرد2، جلال شیري3

1*( دانشجوی کارشناسی ارشد مهندسی منابع آب ،دانشگاه تبریز، تبریز، ایران
*نویسنده مسئول مکاتبات:saman.maroofpoor@gmail.com 2( استاد گروه علوم و مهندسی آب، دانشگاه تبریز، تبریز، ایران
3 ( استادیار گروه علوم و مهندسی آب، دانشگاه تبریز، تبریز، ایران
15572233074

تاریخ دریافت: 29/ 11/1395 تاریخ پذیرش: 19/03/1396

چکیده
از اساسي ترين موارد در مديريت كمي منابع آب زيرزميني، تخمين سطح آب با استفاده از داده هاي برداشت شده از شبكه چاه هاي مشاهده اي است. هدف از اين پژوهش، ميان يابي سطح آب زيرزميني با استفاده از زمين آمار و محاسبات نرم در منطقهاي از دشت هاي بم نرماشير و رحمت آباد )استان كرمان( با مساحت 19028 كيلومتر مربع به عنوان نمونه ميباشد. از روش هاي كريجينگ ساده و عكس فاصله وزني و همچنين مدل هاي شبكه عصبي مصنوعي، سيستم استنتاج فازي-عصبي انطباقي و برنامه ريزي بيان ژن براي پيش بيني توزيع مكاني سطح آب زيرزميني استفاده و بهترين مدل از بين مدل هاي هوشمند و زمين آماري انتخاب و براي نمونه برداري بيشتر در منطقه مورد مطالعه استفاده شد. بدينمنظور از اطلاعات مربوط به نمونه هاي حاصل از 65 حلقه چاه در طول آماري سال 1381 تا 1390 استفاده شد. براي مقايسه مدل ها معيارهاي آماري AARE ،R2 ،RMSE و MAE بهكار بسته شدند. نتايج نشان داد در بين مدل هاي هوشمند با ورودي طول جغرافيايي و عرض جغرافيايي، شبكه عصبي مصنوعي و در بين مدل هاي زمين آماري ،روش عكس فاصله وزني با داشتن كمترين RMSE )به ترتيب 138/7 و 062/15 متر( و AARE )به ترتيب 33 و 47 درصد( و بيشترين 2R )به ترتيب 606/0 و 591/0 ( مناسب ترين مدل جهت برآورد به ترتيب نقطه اي و ناحيه اي سطح آب زيرزميني مي باشد .در نهايت مدل هيبريد ANN-IDW جهت تخمين و پهنه بندي سطح آب زيرزميني در آينده انتخاب شد .
کلید واژه ها: توزيع مكاني؛ سيستم استنتاج فازي-عصبي انطباقي؛ شبكه عصبي مصنوعي؛ كريجينگ ساده
مقدمه
آب زیرزمینی منبع اصلی تامین نیازهای کشاورزی به خصوص در مناطق خشک و نیمه خشک محسوب می شود .
بنابراین داشتن یک کشاورزی پایدار نیازمند مدیریت و برنامه ریزی دقیق در مورد نحوه استفاده از این منابع است که این خود مستلزم داشتن شناخت کافی در مورد تغییرات مکانی سطح آب زیرزمینی در یک دوره زمانی مشخص
69250578368284

سال

شش
م

/
شماره

4
/

سال

شش

م

/

شماره

4

/

است ) Ahmadi and Sedghamiz, 2007(. تغییرات زیاد سطح ایستابی در نقاط مختلف سفره، کمبود چاه های مشاهداتی و پیچیدگی ارتباط سطح ایستابی با دیگر متغیرها )وضعیت زمین شناسی، نوع آبخوان، میزان بهره برداری از سفره و غیره( اهمیت توسعه روش های کارآمد را در برآورد توزیع مکانی سطح ایستابی دو چندان می کند. در دهههای اخیر، کاربرد زمین آمار و هوش مصنوعی در مطالعات علوم آب بسیار گسترده بوده است .نتایج دهقانی و همکاران )1389( در مورد برآورد سطح آب زیرزمینی دشت قزوین با به کارگیری دو دسته داده های آموزش و آزمون نشان داد ،سیستم استنتاج فازی-عصبی با داشتن همبستگی 98 درصد و میانگین قدرمطلق خطای 698/3 متر، دارای دقت بیشتر نسبت به روش های زمین آمار است. در پژوهشی دیگر زارع ابیانه و بیات ورکشی) 1392( با استفاده از مدل های هوشمند و زمین آمار به برآورد سطح آب زیرزمینی در دشت همدان-بهار پرداختند. نتایج نشان داد که مدل عصبی-ژنتیک با داشتن مجذور میانگین مربعات خطا و ضریب تبیین به ترتیب 431/0 متر و 996/0 بهتر از دیگر مدل ها عمل کرد و با مدل زمین آماری کریجینک ترکیب گردید. محمودی و همکاران) 1391( سطح آب زیرزمینی در دشت شهرکرد را با استفاده از روش ترکیبی زمین آمار و شبکه عصبی در دو ماه اسفند 1385 و شهریور 1388 )به ترتیب حداکثر و حداقل سطح آب( برآورد کردند و نتایج نشان داد که مدل ترکیبی کوکریجینگ با شبکه عصبی دارای میانگین خطای مطلق و ضریب تبیین به ترتیب 73/12 متر و 906/0 )در اسفند ماه( و 75/8 متر و 924/0 )در شهریور ماه( است .زارع ا بیانه و همکاران) 1390( شبکه عصبی مصنوعی را برای برآورد سطح آب زیرزمینی در دشت ملایر به کار گرفتند و نتایج نشان داد که مدل شبکه عصبی مصنوعی با 9/1 درصد خطا و داشتن مجذور میانگین مربعات خطا و ضریب تبیین به ترتیب 44/0 متر و 99/0، مدلی کارآمد جهت برآورد سظح آب زیرزمینی می باشد .به کارگیری شبکه های عصبی مصنوعی از سوی Lallahema و همکاران) 2005( در برآورد سطح آب زیرزمینی آبخوان آهکی شمال فرانسه نشان داد، الگوریتم پرسپترون چندلایه با حداقل نرون میانی در کوتاه مدت ،برآورد بهتری )درصد مجذور میانگین مربعات خطا 3/4 %( دارد. در پژوهش دیگری Ahmadi و Sedghamiz )2007( از دو روش کریجینگ معمولی1 و کوکریجینگ2 برای تخمین عمق آب زیرزمینی در دشت داراب استان فارس استفاده کردند.
قابلیت کریجینگ معمولی ،)2009( Kholghi and Hosseini

1- Ordinary kriging (OK)
2-Cokriging
Artificial neural networks
Adaptive neuro fuzzy inference system
Gene Expression Programming

و شبکه استنتاج عصبی-فازی را در درون یابی سطح آب های زیرزمینی در یک سفره آزاد در شمال ایران بررسی نمودند. نتایج نشان داد که مدل استنتاج عصبی-فازی در برآورد سطح آب زیرزمینی از کریجینگ معمولی کارآمدتر است. پژوهش Sreekanth و همکاران) 2009( در حیدرآباد هندوستان نشان داد که شبکه عصبی مصنوعی در برآورد سطح آب زیرزمینی با میانگین مجذور مربعات خطای 5/4 متر و ضریب تبیین 93/0 دارای قابلیت مناسب جهت برآورد سطح آب زیرزمینی است. مطالعات انجام شده در زمینه برآورد سطح آب زیرزمینی حاکی از قدرت بالای مدل های هوشمند همچون شبکه عصبی و فازی-عصبی و روش های زمین آمار است که البته در تعدادی از پژوهش ها ترکیب این دو روش در برآورد سطح آب زیرزمینی باعث بهبود نتایج شده است. هدف پژوهش حاضر یافتن مدل ترکیبی از شبکه های هوشمند )شامل شبکه عصبی مصنوعی ،سیستم استنتاج فازی-عصبی و برنامه ریزی بیان ژن( و روش های میان یابی )شامل کریجینگ ساده و عکس فاصله وزنی( برای پهنه بندی توزیع مکانی سطح آب زیرزمینی منطقه مورد مطالعه است. اهداف پژوهش عبارت اند از: 1- ارزیابی مدل های شبکه عصبی مصنوعی (ANN)، سیستم استنتاج فازی -عصبی انطباقی(ANFIS) شامل افراز شبکه و برنامهریزی بیان ژن )GEP(، 2- ارزیابی نتایج حاصل از روش های میان یابی شامل کریجینگ ساده و عکس فاصله وزنی، 3- تکمیل آمار محدوده مطالعاتی از طریق ترکیب مدل مناسب از شبکه های هوشمند و میان یابی جهت پهنه بندی سطح آب زیرزمینی منطقه مورد مطالعه.
مواد و روش ها منطقه مورد مطالعه
منطقه مورد مطالعه واقع در مختصات “34 ’58 º 57 تا
“43 ‘0 º 60 طول جغرافیایی و “5 ’96 º 27 تا “11 ’39 º
29 عرض جغرافیایی در استان کرمان قرار دارد که شامل دو زیر حوضه بم نرماشیر و رحمت آباد با مساحت های به ترتیب 18/9658 و 87/9369 کیلومترمربع است. این محدوده یکی از مناطق کویری ایران بهشمار میآید، زیرا که حاشیه شمالی آن به کویر لوت ختم شده و از این جهت دارای تابستان های گرم و خشک و زمستان های کم باران است. میزان نزولات جوی تقریباً ناچیز است بهطوری که متوسط بارندگی سالانه کمتر از 50 میلیمتر است. نقاط مورد استفاده در این تحقیق مربوط به 65 حلقه چاه عمیق نمونهبرداری شده در طول آماری سال 1381 تا 1390 است که بهصورت میانگین بلند مدت استفاده شد. شکل 1 منطقه مورد مطالعه و موقعیت مکانی چاه های مشاهداتی را نشان می دهد. در این مطالعه از آمار و اطلاعات سطح آب زیرزمینی 65 حلقه چاه عمیق و نیمه عمیق، برای کنترل دقت اطلاعات برآورد استفاده شد .
02783459

سال

شش
م

/
شماره

4
/

سال

شش



قیمت: تومان

دسته بندی : منابع آب خاک

پاسخ دهید